پیاده سازی سیستم تشخیص مانع مبتنی بر استخراج نقاط اکسترمم و همبستگی بین فریمی در اطلاعات سونار

مسئله تشخیص مانع در محیط آبی مبتنی بر انواع سونار، از مباحث چالش برانگیز در هدایت انواع وسایل خودکار زیرآبی است. پیاده سازی بستر سخت افزاری و توسعه الگوریتم پردازش سیگنال آکوستیکی سونار اسکن مکانیکی هدف این پژوهش است. در الگوریتم پیشنهادی،با استفاده از ماتریس هسین نقاط اکسترمم در سیگنال آکوستیکی استخراج شده و سیگنال شامل شئ از سیگنال های دیگر تمیز داده می شود.پس از شناسایی سیگنال شامل شی، عملیات همبستگی بین فریمی در سیگنال های اشعه های همجوار صورت می گیرد. بستر سخت افزاری مبتنی بر پردازنده tmsبرای توسعه الگوریتم پردازش سیگنال آکوستیکی و نرم افزار رابط کاربری سونار اسکن مکانیکی پیاده سازی شده است. سرعت پردازش بالا، هزینه محاسباتی محدود و سادگی در پیاده سازی برای کاربری زمان واقعی، مقاومت در برابر نویز و دقت بالا برای تشخیص شئ از ویژگی های بارز سیستم پیشنهادی در مقایسه با سایر روش های دیگر بوده که در آزمون میدانی به اثبات رسیده است.

implementation of obstacle detection system based on extraction of extremum points and inter-frame correlation in sonar data

the problem of detecting obstacle in the water environment based on various types sonar is one of the challenging issues in the guidance of various automatic underwater vehicles. implementationof hardware platform and development of acoustic signal processing algorithm of mechanical scanning sonar is the goal of this research. in the proposed algorithm, using the hessian matrix, the extreme points in the acoustic signal are extracted and the signal containing the object is separated from other signals. after identifying the signal containing the object, the inter-frame correlation operation is performed on the signals of the adjacent rays. the hardware platform based on tms processor is implemented for the development of acoustic signal processing algorithm and mechanical scan sonar user interface software. high processing speed, limited computational cost and simplicity in implementation for real-time use, resistance to noise and high accuracy for object recognition are prominent feature of the proposed system compared to other methods that have proven in the field test.